21、图像特征描述与匹配：从浮点到二进制描述符的探索

图像特征描述与匹配：从浮点到二进制描述符的探索

1. 寻找最相似位置与矩形绘制

在图像匹配中，有时需要找到目标在图像中的最相似位置。以下代码展示了如何实现这一操作：

// find most similar location 
double minVal, maxVal; 
cv::Point minPt, maxPt; 
cv::minMaxLoc(result, &minVal, &maxVal, &minPt, &maxPt); 

// draw rectangle at most similar location 
// at minPt in this case 
cv::rectangle(roi, cv::Rect(minPt.x, minPt.y,  
                            target.cols, target.rows),
255); 

需要注意的是，这是一个计算成本较高的操作，因此应限制搜索区域，并使用尺寸仅为几个像素的模板。

2. 描述和匹配局部强度模式

SURF和SIFT关键点检测算法能为每个检测到的特征定义位置、方向和尺度。尺度因子信息有助于定义围绕每个特征点的分析窗口大小，使得无论特征所属对象以何种尺度成像，定义的邻域都包含相同的视觉信息。

2.1 如何操作

cv::Feature2D 抽象类定义了许多用于计算关键点描述符的成员函数。以 cv::SURF 为例，以下